AI Agent落地必看!IAM天花板Casdoor实测

想从事 Agent 方向，只懂调用大模型远远不够。需要系统学习大模型原理、Prompt 工程、工具调用与函数调用、向量数据库与记忆机制、任务规划与反思链路，还要熟悉 LangChain、LlamaIndex 等框架，甚至涉及多智能体协作。它是一条复合型技术路线，既需要 AI 基础，也需要工程能力。能沉下心啃理论、动手做项目的人，才能真正在 Agent 领域站稳脚跟。

TapToGo 是一款智能旅行规划助手，为用户提供个性化的行程规划服务。用户只需输入目的地、出行天数、预算范围和旅行偏好等需求，系统即可智能生成包含景点推荐、餐饮安排、住宿建议的完整行程方案。核心功能包括：AI 智能行程定制，根据用户需求自动生成合理的每日行程安排；地图可视化展示，支持实时查看景点位置和路线导航；POI 详细信息查询，提供景点、餐厅、酒店的营业时间、评分、价格等实用信息；行程历史记录管理，自动保存用户的历次规划记录方便查阅；收藏功能，支持收藏感兴趣的地点和行程；PDF 行程单导出，便于离线查看和打印分享。无论是周末短途游还是长途旅行，TapToGo 都能帮助用户轻松规划完美行程...

一、团队与工作相关你最近这段实习，开发团队规模大概是怎样的？你在工作里会直接面对客户需求吗？二、DeepResearch 项目细节DeepResearch 项目中，你主要负责哪些模块？项目中为何设计 6 个 Agent？每个 Agent 分别负责什么职责？搜索环节具体如何实现？采用的是 Function Calling、MCP 还是 RAG 方案？联网搜索功能是怎么实现的？该模块是否由你主导开发？共享状态 ResearchState 包含哪些核心字段？区分哪些是全局共享内容，哪些是阶段性产物。工作流 Graph 中，节点之间是如何进行路由调度的？三、技术实现与工程能力你做的步骤级 SSE 推送，和普通 Token 流式输出有什么本质差异？若通信中途断连，系统如何实现恢复？Checkpoint 存储为什么选择 PostgreSQL JSONB，而不使用 Redis 或分表存储？RAG 系统中，chunk size 和 top_k 参数的实验是如何具体设计与开展的？测试数据集主要从哪些渠道获取？测试集的量级大概是多少？多模型选型中，为何选择 DeepSeek 和干问？具体的选型标准是什么？“成本优先” 的选型策略是由谁提出的？四、Agent 架构与策略OnCall 项目中，为何对话场景选用 ReAct 模式，运维场景选用 Plan-Execute-Replan 模式？MCP 具体暴露了哪些工具接口？MCP 调用失败，或模型错误调用工具时，系统是如何处理的？五、记忆与项目复盘多轮记忆体系中，短期记忆具体存储哪些内容？参与过的项目中，有没有你最想重构的部分？原因是什么？平时最常用的 AI Coding 工具是什么？

1. 请做一个简短的自我介绍2. 在你的项目里，挑一个技术难度大点介绍一下3. 你平时工作中用过哪些 AI 编程工具4. 对 Python 掌握如何？在你的实际使用里主要承担什么角色5. 对协程了解吗如果面试官保留“协程”这个点，其实完全可以只从 Python 角度展开。你可以说协程适合 I/O 密集场景，比如异步调用多个外部工具、并发请求检索服务、批量处理模型请求、流式返回等。协程不是让 CPU 计算变快，而是提高等待 I/O 时的资源利用率。在 Agent 场景里，协程比较适合做并发检索、多工具并发探测、异步日志上报、流式 token 处理这些事情。如果继续深入，可以提一下 asyncio...